Не інтегрував, а повністю пересадив один із проєктів на ШІ: складний проєкт у Claude + складна структура файлів на Google Drive, до якої мають доступ Gemini, Portal та ChatGPT.Отримав зростання ефективності приблизно у 11–13 разів. Але внутрішня система перевірок, щоб не нарватися на галюцинації, та регулярні перевірки корпусу документів на консистентність знизили ефективність утричі.З одного боку, маю чистий приріст ефективності у 4 рази. З іншого — ця кратна втрата потенціалу прямо вбиває.Що добре спрацювало:Ввів фреймворк питань: змусив систему при будь-якій невизначеності перепитувати мене у форматі:— питання— варіанти відповідей— плюси та мінуси кожного сценарію— рекомендований варіант з аргументами— мій вибір із можливими коментарямиПісля кожних 50 відповідей аналізується корпус відповідей та оновлюється методологія.Зараз проєкт має за 6 тижнів понад 5000 відповідей на питання і, з великою ймовірністю, уже може працювати без цієї втрати ×3, але поки стрьомно.Оркеструю все руками: Claude планує дію, фрагментує її, визначає, у яких LLM які елементи виконуються (у ~20% випадків задачі взагалі дублюються між різними LLM). Потім зводить результати та розкладає оновлення по різних файлах проєкту.Бюджет:— Portal — $200— Claude — $180— Gemini — 9k грн— OpenAI — безкоштовнийСторонній оркестратор використовувати не можу, бо він ховає під капот логіку, методологію та проміжні результати.Але це реально інший експірієнс.Основна проблема: модель не вміє самостійно пріоритизувати та іноді заривається у «пошук бліх».Друга проблема: раз на тиждень перебудовувати весь корпус документів, синхронізувати їх між собою та перевіряти консистентність — іноді займає дуже багато часу.Але це дуже потужна методологія для написання книжки. Зараз запущу ще декілька проєктів і буду сетапити це далі.Для мініпродуктів теж має бути дуже добре: коли все розкладено до дрібниць, генерувати код і запускати має бути відносно просто.Думав зробити з цього курс, але часу, на жаль, не вистачає.